CC BY
30
ISSN 2221-7347
Экономика и право
ПРОБЛЕМЫ ЛОГИСТИКИ
УДК:338.49
А. Э. Заенчковский
МОДЕЛИРОВАНИЕ ЛОГИСТИКИ ИННОВАЦИОННОГО ПРОЦЕССА
В статье представлен авторский способ логистики анализа и управления инновационными процессами: для этого используются когнитивные карты. Показано, что с помощью нечетких когнитивных карт возможно повысить обоснованность управленческих решений в инновационной сфере.
Ключевые слова: инновации, управление, нечеткая логика, когнитивные карты.
Информация, необходимая для принятия обоснованных решений по управлению инновационным процессом в силу значительных размеров, неоднородности инновационных кластеров а также особенностей производственно-инновационного процесса имеет следующие качественные особенности: неточная интерпретация источников и способов передачи информации; разнородность и слабая релевантность информации, полученной не на основе объективных измерений; неформализуемый, зачастую - вербальный вид информационных сообщений. Указанные особенности препятствуют применению традиционных методов управления экономическими системами, таких как бюджетирование, управление издержками, трендовый анализ и т.п. Поэтому актуальным становится применение методов управления инновационными структурами, основанных на теории нечетких множеств. Методология нечетких логических построений ближе по духу к человеческому мышлению и естественным языкам, чем традиционные логические системы. Такая логика, в основном, обеспечивает эффективные средства отображения неопределенностей и неточностей управляемых социально-экономических систем, что будет способствовать скорейшей акцепции и реализации управляющих воздействий в экономическом инновационном пространстве.
Информационно-аналитическая система поддержки принятия стратегических инновационных решений построена на основе системы нечеткого логического вывода и предназначена для решения задач анализа информации, характеризующихся нечеткостью и противоречивостью исходных данных, сложностью формализации алгоритмов решения задачи логического вывода, а также для извлечения знаний из данных на основе методов нечеткого логического вывода. Разработанная система, использующая механизм нечеткого логического вывода и обеспечивающая модульную реализацию этапов нечеткого логического вывода, и гибкость задания характеристик этапов. С помощью искомой системы становится возможным обеспечить реализацию различных способов нечеткого логического вывода: разработанный способ нечеткого логического вывода для построения оценочных моделей нечетко-целевых систем на основе ОНКК, а также способы Мамдани, Ларсена, Цукамото, Сугено любого порядка, включая нулевой (упрощенный логический вывод), с разделением этапов: фаззификации, логического вывода, композиции и дефаззификации;
возможность задания, как четкой входной информации, так и входной нечеткой информации; различные функции задания композиционных правил и возможности агрегирования не-
© Заенчковский А. Э., 2012.
39
Новый университет. 2012. № 10 (20).
ISSN 2221-7347
четких консеквентов; возможность задания нового типа функций принадлежности поточечно с возможной дальнейшей аппроксимацией с использованием метода наименьших квадратов многочленом любой степени; иллюстрацию методов нечеткого логического вывода в понятной для конечного пользователя форме [1].
Обобщенный алгоритм реализации метода системы включает в себя четыре этапа. На первом шаге определяется состав структуры (набора концептов) когнитивной нечетко-логической модели. На этом этапе задается множество концептов, характеризующих системные факторы анализируемой системы, формируется множество концептов, характеризующих исследуемую систему, и происходит формирование состава структуры нечеткой когнитивной модели.
Второй шаг определяет согласование отношений влияния (причинности) между каждой парой концептов, характеризующих системные факторы. При этом задаются отношения влияния между концептами в виде весов, которые впоследствии отображаются в виде дуг ориентированного графа, описывающего нечеткие причинно-следственные связи между концептами. Далее следует формирование когнитивной матрицы взаимовлияний между концептами множества Ксис и согласование отношений взаимовлияния между ними. В результате этого формируется нечеткая когнитивная карта, отображающая системные факторы инновационнопроизводственной системы.
На третьем шаге формируются нечеткие модели оценки влияния системных факторов и идентифицированных целевых концептов. В рамках модели определяются входные и выходные переменные модели, задание весов входных переменных, и определение подхода, в соответствии с которым определяется показатель изменения целевых концептов и экспертным путем задаются веса входных переменных модели оценки 5 [2]. После этого происходит формирование терм-множеств и логико-лингвистических шкал входных и выходной переменных нечеткой модели оценки и задание классификационных определений качественных оценок выходной переменной Квл. и формируется база продукционных правил нечетко-логической модели оценки влияния различных аспектов функционирования инновационного кластера на целевые концепты. В соответствии с полученными на предыдущем шаге классификационными определениями качественных оценок выходной переменной Квл формируется начальная база продукционных правил нечетко-логической модели.
На четвертом шаге происходит построение нечетких моделей оценки влияния, а именно задается структура модели оценки и выбора мероприятий по управлению инновационным кластером и его элементами, задаются условия и механизмы выбора альтернативных концептов К. Определяется степень влияния концептов K на целевой концепт Квл.
На последнем пятом этапе происходит анализ системных характеристик нечеткой когнитивной карты. По результатам рассчитанных характеристик предложенной когнитивной карты осуществляется анализ, при этом учитывается неопределенность используемых системных характеристик.
Для учета такой особенности аналитического сопровождения когнитивного моделирования инновационной среды как изменение во времени связей между концептами при анализе динамики построенной модели предлагается использовать следующее выражение:
N
Kj(t +1) = Kj(t)sign(AK,(At))Wj ®AK,(At),
i=1
где Ki и K j - значения i-го и j-го узлов (концептов) когнитивной карты, мл - вес влияния концептов K и Kj друг на друга; t, t +1 - дискретные моменты времени; N - число концептов; sign - функция знака, ® и ® - операции аддитивной и мультипликативной свертки соответственно
Оно может применяться для описания связей, характер которых изменяется во времени. Например, инвестиции в инновационную инфраструктуру региона на начальном этапе приводят к снижению показателей экономической эффективности малых инновационных предприятия, создаваемых в рамках инфраструктуры, (влияние на показатели рентабельности отрицательное), а затем, в случае успешной реализации инвестиционного проекта, влияние становится положительным. К возникновению связей данного типа приводит также учет сезонного фактора.
40
ISSN 2221-7347
Экономика и право
При этом становится возможным анализировать сложные функциональные зависимости влияния одних концептов на другие. Например, связь влияния величины инвестиций в определенную отрасль региональной экономики на поступление в региональный бюджет может быть описана функцией вида, приведенного на рисунке 1.
Данный вид функции связан с тем, что на начальном участке до определенного уровня
инвестиций связь между рассматриваемыми концептами отрицательна, т.к. снижается прибыль предприятий.
На третьем участке (от K^) чрезмерные инвестиции могут привести к росту предложения товаров и услуг и, соответственно, росту конкуренции, снижению цен, прибыли, что, в свою очередь, вызовет снижение доходов бюджета.
w
12
к L
K к1
Рис. 1. Зависимость связей между потенциальными концептами «объем инвестиций» и «поступления в бюджет» когнитивной карты инновационной среды
Представленная методология моделирования инновационных систем в условиях быстро изменяющейся среды ведения бизнеса позволяет в сжатые сроки разработать и обосновать стратегии по разработке и выпуску инновационной продукции и определить направления экономического развития и модернизации инновационных объектов хозяйствования в целом.
Библиографический список
1. Дли М.И., Круглов В.В., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: Физматлит, 2001.
2. Babuska R. Fuzzy Modeling for Control. Boston, USA: Kluwer Academic Publishers, 1998.
Статья поступила в редакцию 30.10.2012.
ЗАЕНЧКОВСКИЙ Артур Эдуардович - кандидат экономических наук, доцент кафедры МИТЭ, НИУ Московский энергетический институт (филиал в г. Смоленске).
41
